Raport zawiera omówienie wyników badania PISA w roku 2018. Skupia się na danych z 8 najbardziej zaludnionych krajów Europy, czyli Rosji, Niemiec, Wielkiej Brytanii, Francji, Włoszech, Hiszpanii, Ukrainy i Polski. Wszystkie dane pochodzą ze strony https://www.oecd.org/pisa/data/2018database/#d.en.516012.
Badanie PISA (ang. Programme for International Student Assessment) to największe badanie umiejętności uczniów na świecie. Jest realizowane co trzy lata we wszystkich krajach członkowskich OECD, a także w kilkudziesięciu innych państwach. Polska uczestniczy w nim od samego początku. Badanie pokazuje poziom i zróżnicowanie umiejętności piętnastolatków, które rozwijane są w trakcie zarówno edukacji szkolnej, jak i poza szkołą. W każdej edycji PISA nacisk położony jest na jedną spośród trzech dziedzin: rozumowanie matematyczne, rozumienie czytanego tekstu lub rozumowanie w naukach przyrodniczych. W 2018 r. w badaniu uczestniczyło 79 krajów i regionów, a liczba przebadanych uczniów przekroczyła 660 tysięcy. Polskę reprezentowało 5653 młodych Polaków z 227 szkół.
Przedstawimy wyniki naszej analizy dla danych z wyżej wymienionych krajów.
Wykresy znajdujące się poniżej przedstawiają rozkład liczby godzin, jakie poświęcają na uczestnictwo w lekcjach uczniowie z poszczególnych państw. Możliwe jest wyświetlenie wykresu skrzynkowego lub skrzypcowego.
pierwszy <- df_stu %>%
select(CNT, ST060Q01NA) %>%
filter(CNT %in% c("RUS", "DEU", "GBR", "FRA", "ITA", "ESP", "UKR", "POL")) %>%
rename(kraj = CNT, ileGodzinwTyg = ST060Q01NA)
pierwszy$kraj <- str_replace_all(pierwszy$kraj,"RUS","Rosja")
pierwszy$kraj <- str_replace_all(pierwszy$kraj,"DEU","Niemcy")
pierwszy$kraj <- str_replace_all(pierwszy$kraj,"GBR","Wielka Brytania")
pierwszy$kraj <- str_replace_all(pierwszy$kraj,"FRA","Francja")
pierwszy$kraj <- str_replace_all(pierwszy$kraj,"ITA","Włochy")
pierwszy$kraj <- str_replace_all(pierwszy$kraj,"ESP","Hiszpania")
pierwszy$kraj <- str_replace_all(pierwszy$kraj,"UKR","Ukraina")
pierwszy$kraj <- str_replace_all(pierwszy$kraj,"POL","Polska")
df <- pierwszy %>%
filter(!is.na(ileGodzinwTyg))
plot_ly(
data = df,
x = ~kraj,
y = ~ileGodzinwTyg,
type = "box",
marker = list(size = 1, line = list(color = 'lightblue', width = 2))
) %>% layout(
title = "Czas poświęcony na naukę w szkole w tygodniu",
xaxis = list(title = "Kraj"),
yaxis = list(title = "Liczba godzin", range = c(0, 85)),
updatemenus = list(
list(
x = 1, y = 1,
buttons = list(
list(method = "restyle",
args = list("type", "box"),
label = "Boxplot"),
list(method = "restyle",
args = list("type", "violin"),
label = "Violinplot")
))
))
Kolejny wykres przedstawia średnie wyniki uczniów w poszczególnych dziedzinach, z uwzględnieniem kraju ich pochodzenia.
drugi <- df_stu %>%
select(CNT, PV1MATH, PV1READ,PV1SCIE) %>%
filter(CNT %in% c("RUS", "DEU", "GBR", "FRA", "ITA", "ESP", "UKR", "POL")) %>%
rename(kraj = CNT) %>%
group_by(kraj) %>%
summarise(mat = median(PV1MATH), czytanie = median(PV1READ), przyroda = median(PV1SCIE))
drugi$kraj <- c("Rosja", "Niemcy", "Wielka Brytania", "Francja", "Włochy", "Hiszpania", "Ukraina", "Polska")
plot_ly(
data = drugi,
x = ~mat,
y = ~czytanie,
z = ~przyroda,
color = ~kraj,
colors = "Set1",
type = "scatter3d",
mode = "markers"
)
Z analizy przedstawionych wykresów wynika, że najwięcej godzin lekcyjnych w tygodniu (wśród wybranych przez nas krajów) mają Polacy, a najmniej Francuzi i Brytyjczycy. Najbardziej skupione wśród jednej wartości są wyniki z Niemiec i Włoszech, a najbardziej rozrzucone z Ukrainy. Z kolei drugi wykres pokazuje, że najlepsze wyniki osiągneli uczniowie z Hiszpanii, a najgorsze z Polski.